本論文は、チャンネル間の相関を効率的に捉えるSTAD (STar Aggregate Dispatch) モジュールを提案し、これを用いた効率的な多変量時系列予測モデルSOFTSを開発した。SOFTS は、従来のTransformer系モデルと比べて高い予測精度を維持しつつ、計算コストを大幅に削減できる。
カーネルU-Netは、入力系列を潜在ベクトルに圧縮し、対称的なデコーダーでこれらのベクトルを出力系列に展開する柔軟で計算効率の高いU型ニューラルネットワークアーキテクチャである。
バリエート埋め込み(VE)を使用することで、各バリエートに固有かつ一貫した埋め込みを学習し、Mixture of Experts(MoE)とLow-Rank Adaptation(LoRA)を組み合わせることで、予測性能を向上させつつパラメータ数を抑えることができる。